Sélection de mesures de similarité pour les données catégorielles - Archive ouverte HAL Access content directly
Conference Papers Year : 2020

Sélection de mesures de similarité pour les données catégorielles

Guilherme Alves
Miguel Couceiro
Amedeo Napoli

Abstract

Data clustering is a well-known task in data mining and it often relies on distances or, in some cases, similarity measures. The latter is indeed the case for real world datasets that comprise categorical attributes. Several similarity measures have been proposed in the literature, however, their choice depends on the context and the dataset at hand. In this paper, we address the following question: given a set of measures, which one is best suited for clustering a particular dataset? We propose an approach to automate this choice, and we present an empirical study based on categorical datasets, on which we evaluate our proposed approach.
Le partitionnement de données est une opération très utilisée dans l'exploration et l'analyse de données, en particulier pour traiter des tableaux de données qui comprennent des attributs catégoriels. Une telle opération repose sur des mesures de similarité, qui sont proposées en nombre dans la littérature. Cependant, le choix d'une mesure est complexe et dépend du contexte et des données en cours d'étude. Dans cet article, nous cherchons à caractériser de fa-çon automatique la "meilleure" mesure de similarité pour partitionner un jeu de données particulier. Nous présentons les bases de notre approche et une étude empirique qui porte sur des données catégorielles ainsi qu'une évaluation de cette approche.
Fichier principal
Vignette du fichier
ga-etal-egcf-2020.pdf (257.31 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

hal-02410221 , version 1 (13-12-2019)

Identifiers

  • HAL Id : hal-02410221 , version 1

Cite

Guilherme Alves, Miguel Couceiro, Amedeo Napoli. Sélection de mesures de similarité pour les données catégorielles. EGC 2020 - 20ème édition de la conférence Extraction et Gestion des Connaissances, Jan 2020, Bruxelles, Belgique. ⟨hal-02410221⟩
149 View
1681 Download

Share

Gmail Facebook X LinkedIn More